Mythos AI模型促使DeFi安全从智能合约转向基础设施
Anthropic 的 Mythos AI 模型正在推动 DeFi 安全思路从“只盯智能合约漏洞”转向“更底层的基础设施风险”。行业人士称，基于对抗者模拟的 AI 能把看似独立的小缺陷串联成多步骤攻击链，从而把局部漏洞转化为可蔓延的连锁故障（尤其在可组合（composable）的协议生态中）。
Gauntlet 安全负责人 Paul Vijender 表示，更大的威胁常常存在于密钥管理、签名服务、桥（bridges）、预言机网络以及加密层等基础设施组件——这些往往不在传统审计的覆盖范围内。文章还举例：基础设施服务商 Vercel 披露的安全事件可能暴露客户 API 密钥，促使加密项目轮换凭证并回看代码。
Mythos 属于一种新的对抗者仿真型 AI：它不只是扫描已知漏洞，而是建模协议之间如何交互，以及小缺陷如何被规模化利用。文中提到 Coinbase 和 Binance 据报已联系 Anthropic 以测试 Mythos；同时，JP Morgan 等机构也将 AI 驱动的网络风险视为系统性问题。
文章也强调了“连锁风险”的现实案例。Hyperbridge 事件中，攻击者通过利用跨链消息验证缺陷，在以太坊上铸造了价值 10 亿美元的 bridged Polkadot 代币。Aave Labs 创始人 Stani Kulechov 认为 AI 是在既有的 Web3 对抗环境上加速，而非改变游戏本质；但他表示，Mythos 这类方法正在暴露出一些人类审计可能曾经降低优先级的漏洞类型。
对交易者而言，短中期可能意味着桥、预言机与密钥管理等环节将迎来更高强度的审查；长期则可能推动行业从“部署前审计”走向“持续、AI 辅助的审计与实时仿真”，并拉大安全能力强弱协议之间的差距。
中性
该消息的核心是“安全方法学升级”：Mythos AI model 强调在桥、预言机、密钥管理等基础设施层面发现并串联漏洞。短期内可能出现两种相反力量：一方面市场可能对“潜在系统性风险”重新定价，尤其是跨链/桥接相关标的，风险偏好可能降温；另一方面，如果市场把它视为行业更快发现风险与推动持续审计的能力提升，则可能对安全溢价形成支撑。
与过往安全事件（例如跨链桥遭利用导致大额损失）相似，安全叙事往往在事件后迅速影响情绪与流动性。不过这次更偏“防御能力/审计工具升级”，并非某个单独项目已发生的明确事故，因此更可能是中长期趋势：安全投入更强的协议可能获得相对更好的资本成本与用户信任，而安全投入不足的协议可能面临相对落后风险。
因此对整体市场稳定性更接近“中性”：交易层面可能出现板块内分化（桥接/基础设施更敏感），而不太可能直接导致全市场单边行情。